Cartesia Hébreu TTS

Que fait Cartesia Hébreu TTS ?

La voix elle-même sonne naturellement par défaut. Presque tous les échecs sont des problèmes de prononciation : l'hébreu non vocalisé oblige le modèle à deviner les voyelles, le genre et comment lire les chiffres. Le travail consiste donc à préparer le texte et vérifier le résultat.

Les scripts se trouvent dans scripts/ à côté de ce fichier. Exécutez-les avec node (version 20 ou ultérieure), depuis le dossier où les fichiers de sortie doivent être créés. Les données personnelles se trouvent dans ~/.cartesia-tts : les clés (.env), la voix et paramètres par défaut (config.json) et la liste de prononciation (lexicon.json). La mise à jour de la compétence ne touche jamais ce dossier.

Première exécution

Parlez à l'utilisateur dans sa langue, en termes simples, et attendez sa réponse après chaque étape.

1. Exécutez node scripts/doctor.mjs. C'est gratuit. Il affiche PRÊT, ou ce qui doit être corrigé.

2. Clés : si une clé manque, exécutez node scripts/doctor.mjs --keys. Cela ouvre le fichier de clés dans un éditeur de texte, où l'utilisateur colle :

   • CARTESIA_API_KEY, depuis play.cartesia.ai (clés API). Un compte gratuit fonctionne.
   • GEMINI_API_KEY, depuis aistudio.google.com (la même clé qu'au premier jour du cours).

   Ne demandez jamais à l'utilisateur de coller une clé dans le chat, et n'imprimez jamais une clé.

3. Voix : demandez s'il souhaite cloner sa propre voix (voir "Cloner une voix") ou utiliser une voix standard pour l'instant (node scripts/voices.mjs --language he, puis --set-default <id>).

4. Exécutez à nouveau doctor.mjs jusqu'à ce qu'il indique PRÊT, puis créez une courte ligne de test avec "Créer une voix off" pour qu'il puisse l'entendre.

Créer une voix off

1. Conservez l'original sous <nom>.original.txt, sans modification.

2. Préparez le script. Lisez references/hebrew-rules.md, puis enregistrez <nom>.txt avec :

   • les nombres, heures et prix en toutes lettres avec le genre approprié
   • le nikud complet sur les mots ambigus, y compris les lettres préfixées, et tout le reste en clair
   • les noms anglais en lettres anglaises, et une ponctuation propre

   Modifiez l'écriture des mots, pas leur sens. Si une reformulation serait vraiment utile, par exemple pour remplacer une heure formelle, mentionnez-le dans votre résumé.

3. Générer et vérifier :

   node scripts/speak.mjs <nom>.txt <nom>.wav --check
   

   Ajoutez --emotion none, --speed 1.0 ou --voice <id> si demandé. Utilisez un nom de sortie .mp3 pour obtenir du MP3. Il écrit également <nom>.wav.sent.txt (le texte exact envoyé) et <nom>.wav.check.json (le rapport). Le code de sortie 2 signifie que la vérification a trouvé des erreurs.

4. Corrigez uniquement ce qui a échoué. La vérification peut signaler un mot qui a été dit correctement, donc comparez d'abord heard_as avec la lecture que vous vouliez, et ignorez le rapport pour ce mot s'ils correspondent. Pour chaque erreur réelle, corrigez-la dans <nom>.txt et regénérez. Par ordre de préférence : ajoutez ou corrigez le nikud complet, puis réécrivez-le, puis remplacez-le par un synonyme. Arrêtez-vous après 3 tentatives et signalez ce qui reste, car plus de tentatives aident rarement et chacune utilise des crédits.

5. Mémorisez les corrections réelles. Si un mot nécessite une correction et signifie toujours la même chose, ajoutez-le à ~/.cartesia-tts/lexicon.json (créez le fichier si nécessaire), qui est appliqué automatiquement à chaque exécution :

   [{ "text": "גוללים", "say": "גּוֹלְלִים" }]
   

   La correspondance se fait sur le mot entier exact, donc ajoutez les formes préfixées comme entrées séparées. Laissez de côté les homographes comme ספר, car la bonne lecture dépend de la phrase et un remplacement fixe briserait d'autres usages.

6. Faites un rapport : le chemin audio, le résultat de la vérification, les mots que vous avez modifiés et un rappel d'écouter.

La vérification détecte mieux les mauvais mots que les subtilités de délivrance. Lors des tests, elle a donné à trois prises de rouleau différentes des scores parfaits identiques. UN SUCCÈS signifie qu'aucune erreur n'a été détectée, et l'oreille de l'utilisateur fait le jugement final. Lorsqu'on vous demande de comparer des prises sur la sensation, donnez les prises plutôt que de choisir parmi les scores.

Générez une prise à la fois, car Cartesia limite les requêtes simultanées selon le plan.

Vérifier une prise existante

node scripts/check.mjs <audio> <script.txt> --json report.json

Cloner une voix

node scripts/clone.mjs <clip> --name "Nom de la voix" --language he --set-default

Clonez uniquement la voix de l'utilisateur, ou une voix dont le propriétaire a donné une autorisation claire. S'il s'agit de la voix de quelqu'un d'autre et que l'autorisation n'est pas claire, arrêtez-vous et demandez. Omettre --set-default pour essayer un clone d'abord, puis transmettez-le à speak.mjs avec --voice <id>. Conseillez sur le clip avant le téléchargement, car le clone le reproduit fidèlement :

• 30 à 60 secondes (Sonic 3.6 apprend jusqu'à 60), un locuteur, une pièce calme, moins de 16 Mo
• parlez naturellement plutôt que comme un annonceur
• enregistrez dans l'ambiance souhaitée pour la voix, car un clip joyeux donne une voix joyeuse dans tout ce qu'elle dit

Les clones vocaux Pro nécessitent 30+ minutes d'audio et un plan supérieur. Ils améliorent la ressemblance, pas la prononciation, donc ils ne corrigeront pas les mots mal lus. Détails : https://docs.cartesia.ai/build-with-cartesia/capability-guides/clone-voices-pro

Combien ça coûte

Sonic utilise 1 crédit par caractère, environ 750 à 800 crédits par minute d'audio. Le plan gratuit de Cartesia comprend 20 000 crédits par mois et le clonage vocal instantané, pour évaluation et usage personnel. Une utilisation commerciale nécessite un plan payant, à partir de 5 $ par mois. Détails actuels : https://www.cartesia.ai/pricing. La vérification Gemini utilise la clé Gemini de l'utilisateur.